斯坦福机器阅读理解竞赛的数据集SQuAD2.0，基于 SQuAD（Stanford Question Answering Dataset）的文本理解挑战赛，是行业内公认的机器阅读理解领域的顶级水平测试；它构建了一个包含十万个问题的大规模机器阅读理解数据集，选取超过 500 篇的维基百科文章。数据集中每一个阅读理解问题的答案是来自给定的阅读文章的一小段文本 —— 以及，现在在 SQuAD 2.0 中还要判断这个问题是否能够根据当前的阅读文本作答。

阅读理解数据集SQuAD-V2，　对应的MRC代码可参考https://github.com/shawroad。　实现了很多阅读理解算法。

质量检查应用 使用React构建的BERT支持的问答（QA）应用程序。 BERT代表Transformers的双向编码器表示形式，是由Google BERT开发的基于Transformer的自然语言处理（NLP）预训练的机器学习技术，旨在通过在左侧和左侧共同进行条件处理，从未标记的文本中预训练深层的双向表示形式。在所有层中正确的上下文。 这使得BERT可以通过实现额外的输出层来微调新任务。 BERT已对一些流行的下游任务进行了微调，包括Next Sentence Prediction（NSP），

SQuAD 2.Q-增强数据集 开发人员 Chadha（ ）和Rewa Sood（ ） 这是我们在之上生成的增强数据集的一个版本。 该存储库称为SQuAD 2.Q，因为使用过程仅扩充了SQuAD 2.0数据集中的问题。 使用python脚本（augment.py），可以轻松地将工作扩展到Context段落。 为什么只是问题？ SQuAD 2.0是一个数据集，上下文来自维基百科的段落，问题由云工作者编写。 当云工作者编写问题时，它会固有地增加人类云工作者的句法差异和语法用法。 这里的想法